Lisansüstü Eğitim Enstitüsü · Bilgisayar Bilimleri ve Mühendisliği · Lisansüstü
Dersin Amacı
Bu dersin amacı doğrultusunda, IR temel olarak metinsel verilerin indekslenmesi, işlenmesi, depolanması ve sorgulanması anlamına gelecektir. Dersin amacı, IR'de kullanılan temel ilke ve tekniklere bir giriş sağlamak ve dilin istatistiksel modellerinin belge indeksleme ve erişim problemlerini çözmek için nasıl kullanılabileceğini göstermektir. Buna ek olarak, tüm web'in indekslenmesiyle ilgili konulara ve şu anda büyük ölçekli çevrimiçi arama sağlayıcıları tarafından kullanılan bu soruna yönelik yaratıcı çözümlere bakılacaktır.
Ders İçeriği
Boolean Erişim: Sözlük ve ilan listeleri, boolean sorgulama, Terim sözlüğü ve ilan listeleri, Atlama İşaretçileri, İfade Sorguları ve Konumsal Dizinleme, Puanlama, terim ağırlıklandırma ve vektör uzayı modeli, Sözlükler ve Toleranslı Retieval, Değerlendirme, İlgililik Geri Bildirimi ve Sorgu Genişletme, Olasılıksal IR, IR için Dil Modelleri, Bağlantı Analizi: PageRank
Zorunlu Kaynaklar
An Introduction to Information Retrieval, by Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze
Önerilen Kaynaklar
UNDERSTANDING INFORMATION RETRIEVAL SYSTEMS MANAGEMENT, TYPES, AND STANDARDS, M A R C I A J . B AT E S
Açıklamalar
Değerlendirmede derse katılım, makale sunumları ve kapsamlı final sınavı olacaktır.
Tüm öğrenciler belirlenen tarihlerde okudukları makalelerin sunumlarını yapacaktır.
Derse katılım ders devamı (yoklama) anlamına gelmemektedir. İnteraktif bir şekilde işlenecek olan derslerde öğrencilere sorular sorulup, öğrencilerden gelen cevaplar üzerine bireysel değerlendirme yapılacaktır.
Kurallar
Devam: Yönetmeliğe göre bir öğrenci toplam ders saatinin % 30’una devam etmemesi halinde dersten devamsız notu alır (DZ) ve başarısız olur.
Yardım Almak: Ders esnasında ya da görüşme saatlerinde dersle ilgili sorularınızı sorup konuyu vaktinde öğrenmeniz eğitiminiz için önemlidir. Öğrencilerimizin, gerektiği hallerde, soru sorarak yardım almalarını tavsiye ediyoruz.
Akademik dürüstlük: Dersin notuna konu olacak çalışmalarda tamamen kendi gayret ve eseriniz olması beklenmektedir. İntihal, kopyalama gibi gayri ahlaki durumlarda İZÜ’nun ilgili yönetmeliği gereği disiplin soruşturması açılıp gerekli cezai müeyyidelere tabii olursunuz. Kopya olduğu tespit edilen çalışmalar gerekli şekilde notlandırılır.
Bu izlencede belirtilen değerlendirmeler sabit olup, not yükseltme amaçlı herhangi bir ekstra telafi ölçme yapılmayacaktır.
Dersin Öğrenme Çıktıları
- Bilgi erişimindeki temel kavram ve tekniklerin anlaşılır.
- Vektör-uzay modeli ve dil modellerinin nasıl uygulandığına ve belge erişim problemlerine nasıl uygulandığına odaklanarak, metnin istatistiksel modellerinin IR'deki problemleri çözmek için nasıl kullanılabileceğini anlaşılır.
- Metnin istatistiksel modellerinin kümeleme ve haber toplama gibi diğer IR uygulamaları için nasıl kullanılabileceğini anlaşılır.
- Büyük metin kütlelerindeki bilgilere etkin erişim sağlamak için dizin gibi veri yapılarının önemi anlaşılır.
- Yaygın metin sıkıştırma algoritmalarını ve bunların ters çevrilmiş indekslerin verimli bir şekilde oluşturulması ve depolanmasındaki rollerini anlaşılır.
Temel Alan Dağılımı
Öğretim Yöntem ve Teknikleri
Ölçme ve Değerlendirme
AKTS / İş Yükü
| Etkinlik | Sayı | Süre (saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi (Sınav Haftası Dahil) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma Süresi | 14 | 6 | 84 |
| Ara Sınav | 1 | 12 | 12 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 3 | 5 | 15 |
| Uygulama | 1 | 10 | 10 |
| Final | 1 | 24 | 24 |
Ders Akışı
| Hafta | Konu | Ön Hazırlık |
|---|---|---|
| 1 | Boolean Alma: Sözlük ve ilan listeleri, boolean sorgulama | Bölüm 1 |
| 2 | Terim dağarcığı ve ilan listeleri Atlama İşaretçileri, İfade Sorguları ve Konumsal Dizinleme | Bölüm 2 |
| 3 | Puanlama, terim ağırlıklandırma ve vektör uzay modeli | Lecture Notes |
| 4 | Sözlükler ve Toleranslı Retieval | Lecture Notes |
| 5 | Dizin Yapıları | Lecture Notes |
| 6 | Dizin Sıkıştırma | Lecture Notes |
| 7 | Ara sınav | Lecture Notes |
| 8 | Alaka Düzeyi Geri Bildirimi ve Sorgu Genişletme | Lecture Notes |
| 9 | Olasılıksal IR | Lecture Notes |
| 10 | IR için Dil Modelleri | Lecture Notes |
| 11 | Bağlantı Analizi: HITS Metin İşleme: Stemming, Phrases & N-grams, Bağlantı Analizi: PageRank | Lecture Notes |
| 12 | Web Tarama | Lecture Notes |
| 13 | Word2Vec (Part I and II) | Lecture Notes |
| 14 | Erişim Modelleri | Lecture Notes |
| 15 | Sunumlar | Bireysel Çalışma |
| 16 | Final | Tüm dersler |